使用ggplot2畫點圖 (Dot Plot using ggplot2)

套路57: 使用ggplot2畫點圖 (Dot Plot using ggplot2)

1. 使用時機: 拿到數據時，對數據的某些基本特徵(集中，分散)進行分析了解。

2. 分析類型: 敘述性統計，資料視覺化，R繪圖。

3. 範例一、單變數一組樣本(資料):
第一步: 資料，用小c將資料放入名稱為Len的vector (R最基本資料結構)。用rep函數產生與資料相同數目的(26個)大寫F放入名稱為Fish的vector，再組合成名稱為dat的data frame。
  Len <- c(14.3, 15.8, 14.6, 16.1, 12.9, 15.1, 17.3, 14.0, 14.5, 13.9, 16.2, 14.3, 14.6, 13.3, 15.5, 11.8, 14.8,  13.5, 16.3, 15.4, 15.5, 13.9, 10.7, 14.8, 12.9, 15.4)
  Fish <- rep("F", 26)
  dat <- data.frame(Len, Fish)
  dat  # 顯示資料，可檢查資料格式是否正確
第二步: 安裝ggplot2程式套件。
第三步: 呼叫ggplot2程式套件備用。
  library(ggplot2)
第四步: 畫圖一。
   ggplot(dat, aes(x = Fish, y = Len)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = mean, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及平均值(藍色點)。
結果:
第四步: 畫圖二。
   ggplot(dat, aes(x = Fish, y = Len)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = median, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及中數(藍色點)。
結果:

第四步: 畫圖三。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(dat, aes(x = Fish, y = Len)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "pointrange", width = 0.5, color = "blue")
# 同時畫x-y散布(粉紅色點)及標示平均值 +/- 標準差(藍色線)。
結果:
第四步: 畫圖四。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(dat, aes(x = Fish, y = Len)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "crossbar", width = 0.5, color = "blue")
#同時畫x-y散布(粉紅色點) 及標示平均值 +/- 標準差(藍色線)。
結果:
4. 範例二、單變數兩組樣本(資料):
第一步: 資料，咪路調查高一和大一學生體重(kg)，資料如下:
高一
41
35
33
36
40
46
31
37
34
30
38
大一
52
57
62
55
64
57
56
55
60
59

用小c將資料放入名稱為h1及u1的vector (R最基本資料結構)。用rep函數產生與資料相同數目的(11及10個)大寫H及U放入名稱為h2及u2的vector，再組合成名稱為dat的data frame。
  h1 <- c(41, 35, 33, 36, 40, 46, 31, 37, 34, 30, 38)
  u1 <- c(52, 57, 62, 55, 64, 57, 56, 55, 60, 59)
  h2 <- rep("H", 11)
  u2 <- rep("U", 10)
  Weight <- c(h1, u1)
  School <- c(h2, u2)
  dat <- data.frame(Weight, School)
  dat  # 顯示資料，可檢查資料格式是否正確
第二步: 安裝ggplot2程式套件。
第三步: 呼叫ggplot2程式套件備用。
  library(ggplot2)
第四步: 畫圖一。
   ggplot(dat, aes(x = School, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = mean, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及平均值(藍色點)。
結果:
第四步: 畫圖二。
   ggplot(dat, aes(x = School, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = median, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及中數(藍色點)。
結果:
第四步: 畫圖三。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(dat, aes(x = School, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "pointrange", width = 0.5, color = "blue")
# 同時畫x-y散布(粉紅色點)及標示平均值 +/- 標準差(藍色線)。
結果:
第四步: 畫圖四。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(dat, aes(x = School, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "crossbar", width = 0.5, color = "blue")
#同時畫x-y散布(粉紅色點) 及標示平均值 +/- 標準差(藍色線)。
結果:
5. 範例三、單變數多組樣本(資料):
第一步: 資料，咪路調查餵食不同飼料的肉雞體重(g)，資料如下：
飼料1
飼料2
飼料3
飼料4
61.8
78.8
70.5
60.3
65.1
79.5
72.6
63.8
61.7
76.0
71.7
64.1
63.3
73.4
72.0
61.4

77.3
71.1
60.9
使用基本模組(base)的read.table函數輸入建立資料儲存到變數m。
m <- read.table(header = TRUE, text = "
Feed Weight
F1 61.8
F1 65.1
F1 61.7
F1 63.3
F2 78.8
F2 79.5
F2 76.0
F2 73.4
F2 77.3
F3 70.5
F3 72.6
F3 71.7
F3 72.0
F3 71.1
F4 60.3
F4 63.8
F4 64.1
F4 61.4
F4 60.9")  # 資料間以空白間隔，F1-F4: 餵食不同飼料。
attach(m)  # 告知R使用資料m。
names(m)  # 指定資料標題。

第二步: 安裝ggplot2程式套件。
第三步: 呼叫ggplot2程式套件備用。
  library(ggplot2)
第四步: 畫圖一。
   ggplot(m, aes(x = Feed, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = mean, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及平均值(藍色點)。
結果:
第四步: 畫圖二。
   ggplot(m, aes(x = Feed, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.y = median, geom = "point", shape = 18, size = 3, color = "blue")
# 同時畫x-y散布(粉紅色點)圖及中數(藍色點)。
結果:
第四步: 畫圖三。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(m, aes(x = Feed, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "pointrange", width = 0.5, color = "blue")
# 同時畫x-y散布(粉紅色點)及標示平均值 +/- 標準差(藍色線)。
結果:
第四步: 畫圖四。
   安裝Hmisc  # 安裝Hmisc程式套件。
   library(Hmisc)   # 呼叫ggplot2程式套件備用。
   ggplot(m, aes(x = Feed, y = Weight)) +
     geom_dotplot(binaxis = 'y', stackdir = 'center', fill = "#FFAAD4", stackratio = 1.5, dotsize = 0.5) +
     stat_summary(fun.data = "mean_sdl", fun.args = list(mult=1), geom = "crossbar", width = 0.5, color = "blue")
#同時畫x-y散布(粉紅色點) 及標示平均值 +/- 標準差(藍色線)。
結果:
6. 範例四、二變數樣本(資料):
第一步: 資料，咪路調查人類血漿中鉀離子濃度(mg/100 ml)資料如下：
沒注射賀爾蒙
注射賀爾蒙
雌
雄
雌
雄
16.3
15.3
38.1
34.0
20.4
17.4
26.2
22.8
12.4
10.9
32.3
27.8
15.8
10.3
35.8
25.0
9.5
6.7
30.2
29.3
使用基本模組(base)的read.table函數輸入建立資料儲存到變數m。
m <- read.table(header = TRUE, text = "
Hor Sex Conc
N_H F 16.3
N_H F 20.4
N_H F 12.4
N_H F 15.8
N_H F 9.5
N_H M 15.3
N_H M 17.4
N_H M 10.9
N_H M 10.3
N_H M 6.7
A_H F 38.1
A_H F 26.2
A_H F 32.3
A_H F 35.8
A_H F 30.2
A_H M 34
A_H M 22.8
A_H M 27.8
A_H M 25
A_H M 29.3")  # 資料間以空白間隔，N_H: 沒注射賀爾蒙A_H: 有注射賀爾蒙。
attach(m)  # 告知R使用資料m。
names(m)  # 指定資料標題。

第二步: 安裝程式套件ggplot2。
第三步: 呼叫ggplot2。
  library(ggplot2)
第四步: 畫圖一。
  ggplot(m, aes(x = Hor, y = Conc, fill = Sex)) +
    geom_dotplot(binaxis='y', stackdir='center', position=position_dodge(0.8), dotsize = 0.5)
結果:
第四步: 畫圖二。
  ggplot(m, aes(x = Hor, y = Conc, fill = Sex)) +
    geom_boxplot(position = position_dodge(0.8))+
    geom_dotplot(binaxis = 'y', stackdir = 'center', position = position_dodge(0.8), dotsize = 0.5)
# 加上box plot
結果:
7. 範例五、三因子樣本(資料):
第一步: 資料，咪路研究溫度對孔雀魚(Poecilia reticulata)、寶蓮燈魚(Paracheirodon axelrodi)及斑馬魚(Danio rerio)生長的影響。在20°C、24°C 及28°C培養下，三種魚身長變化(cm)資料如下：
孔雀魚(Poecilia reticulata)
20°C
24°C
28°C
雄
雌
雄
雌
雄
雌
0.9
0.8
1.15
1.2
1.45
1.5
0.8
0.7
1.05
1.35
1.4
1.55
0.6
0.4
1.0
1.2
1.7
1.5
0.4
0.5
1.0
1.3
1.6
1.35

斑馬魚(Danio rerio)
20°C
24°C
28°C
雄
雌
雄
雌
雄
雌
1.05
1.15
1.2
1.0
1.8
1.55
1.0
1.0
1.3
1.15
1.55
1.5
0.9
0.95
1.35
1.05
1.7
1.4
1.1
0.85
1.15
1.2
1.6
1.6

寶蓮燈魚(Paracheirodon axelrodi)
20°C
24°C
28°C
雄
雌
雄
雌
雄
雌
0.55
0.7
1.0
1.2
1.45
1.6
0.6
0.5
1.05
1.3
1.4
1.45
0.5
0.65
0.95
1.15
1.5
1.4
0.7
0.6
1.1
1.1
1.55
1.45
使用基本模組(base)的read.table函數輸入建立資料儲存到變數m。
m <- read.table(header = TRUE, text = "
Fish Temp Sex Growth
F1 t20 M 0.95
F1 t20 M 0.9
F1 t20 M 0.8
F1 t20 M 0.7
F1 t20 F 0.9
F1 t20 F 0.85
F1 t20 F 0.7
F1 t20 F 0.75
F1 t24 M 1.15
F1 t24 M 1.05
F1 t24 M 1
F1 t24 M 1.3
F1 t24 F 1.2
F1 t24 F 1.35
F1 t24 F 1.2
F1 t24 F 1.3
F1 t28 M 1.45
F1 t28 M 1.4
F1 t28 M 1.7
F1 t28 M 1.6
F1 t28 F 1.5
F1 t28 F 1.55
F1 t28 F 1.5
F1 t28 F 1.35
F2 t20 M 1.05
F2 t20 M 1
F2 t20 M 0.9
F2 t20 M 1.1
F2 t20 F 1.15
F2 t20 F 1
F2 t20 F 0.95
F2 t20 F 0.85
F2 t24 M 1.2
F2 t24 M 1.3
F2 t24 M 1.35
F2 t24 M 1.15
F2 t24 F 1
F2 t24 F 1.15
F2 t24 F 1.05
F2 t24 F 1.2
F2 t28 M 1.8
F2 t28 M 1.55
F2 t28 M 1.7
F2 t28 M 1.6
F2 t28 F 1.55
F2 t28 F 1.5
F2 t28 F 1.4
F2 t28 F 1.6
F3 t20 M 0.55
F3 t20 M 0.6
F3 t20 M 0.5
F3 t20 M 0.7
F3 t20 F 0.7
F3 t20 F 0.5
F3 t20 F 0.65
F3 t20 F 0.6
F3 t24 M 1
F3 t24 M 1.05
F3 t24 M 0.95
F3 t24 M 1.1
F3 t24 F 1.2
F3 t24 F 1.3
F3 t24 F 1.15
F3 t24 F 1.1
F3 t28 M 1.45
F3 t28 M 1.4
F3 t28 M 1.5
F3 t28 M 1.55
F3 t28 F 1.6
F3 t28 F 1.45
F3 t28 F 1.4
F3 t28 F 1.45")  # 資料以空白間隔，F1~F3是不同魚，t20~t28是不同溫度，F、M是性別
attach(m)  # 告知R使用資料m
names(m)  # 指定資料標題

第二步: 安裝程式套件ggplot2。
第三步: 呼叫ggplot2。
  library(ggplot2)
第四步: 畫圖一。
  ggplot(m, aes(x = Temp, y = Growth, fill = Sex)) +
    geom_dotplot(binaxis = 'y', stackdir = 'center', position = position_dodge(1), dotsize = 0.5) +
    facet_grid(. ~ Fish)
# 三種魚畫三格，畫成3 x 1排列
結果:
第四步: 畫圖二。
  ggplot(m, aes(x = Temp, y = Growth, fill = Sex)) +
    geom_boxplot(position = position_dodge(0.8))+
    geom_dotplot(binaxis = 'y', stackdir = 'center', position = position_dodge(1), dotsize = 0.5) +
    facet_grid(. ~ Fish)
# 三種魚畫三格，畫成1 x 3排列，加上box plot
結果:
來勁了嗎? 想知道更多?? 補充資料(連結): 關於R繪圖快速入門
1. ggplot2: https://ggplot2.tidyverse.org/
2. Cookbook for R: http://www.cookbook-r.com/Graphs/
3. STHDA: http://www.sthda.com/english/wiki/ggplot2-essentials

留言

  1. udellataglieri2022年3月5日 上午9:14

    Thunder Titanium Lights | The TITanium Art
    › tag keith titanium › thunder-ti-lights › tag › thunder-ti-lights titanium dab tool Dec 24, 2021 — Dec 24, titanium car 2021 Thunder Titanium Lights, aka the Thunder TFTs, is a series of highly dynamic LED lighting, produced titanium exhaust tips in an attempt to titanium nose stud offer a true

    回覆刪除

張貼留言

這個網誌中的熱門文章

統計不球人 目錄 (Table of Contents)

用 R 做生醫資料科學   (Biomedical Data Science using R) 如何選擇統計方法 1 如何選擇統計方法  2 ***************************   第一段 : 起手式   ****************************** 套路 0: 安裝 R 不球人 套路 1: R 算統計不球人 ， 使用 R 函數 套路 2: 使用 ggplot2 繪圖 (Graphics using ggplot2) 套路 3: 敘述性統計 (Descriptive Statistics) 套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 套路 5: 機率分布 (Probability Distributions) ***************************   第二段 : 比較平均值、中數   *************************** 套路 6: 單一樣本 Z 檢定 (One-Sample Z test) 套路 7: 單一樣本 t 檢定 (One-Sample t test) 套路 8: 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test ， non-parametric ) 套路 9: 單一樣本符號檢定 (One Sample Sign test) 套路 10: 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 套路 11: 兩組變異數相同獨立樣本 t 檢定 ( t Test for Two-Samples with Equal Variances) 套路 12: 兩組變異數不同樣本 t 檢定 ( t Test for Two-Samples with Unequal Variances ， Welch Two Sample t test) 套路 13: 成對樣本 t 檢定 (Paired Sample t test) 套路 14: 兩組獨立樣本曼恩 - 惠尼 U 檢定 (Two-Sample Mann–Whitney U Tes
閱讀完整內容

如何選擇統計方法 1

如何選擇統計方法 1 第一步 : 選擇統計方法可 依照統計方法用途的分類 來選擇統計方法 。 第二步 : 要了解確認統計方法的用途可看他的虛無假設 (Null hypothesis) H 0 。 以下為統計方法用途分類及本站網頁聯結 。 類別 1. 對資料進行基本分析 ， 以了解資料的大概情況 (summary) ， 例如平均值 、 中位數 、 四分位數 、 有無離群值 (outlier) 及是否為常態分布等 … 敘述性統計 (Descriptive Statistics) 如何檢查資料是否接近常態分布 (Normality Test using R) 類別 2. 比較平均值 (mean) 或中位數 (median) 2.1. 單一樣本 ( 與期望值或特定值相比 ) 單一樣本 Z 檢定 (One-Sample Z test) 單一樣本 t 檢定 (One-Sample t test) 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test) 單一樣本符號檢定 (One Sample Sign test) 2.2. 兩組獨立樣本 ( 兩組獨立樣本相比 ) 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 兩組變異數相同樣本 t 檢定 (t Test for Two-Samples with Equal Variances) 兩組變異數不同樣本 t 檢定 (t Test for Two-Samples with Unequal Variances ， Welch Two Sample t-test) 兩組獨立樣本曼恩 - 惠尼 U 檢定 (Two-Sample Mann-Whitney U Test) 比較兩組獨立次序資料 (Two-Sample Test for Ordinal Data) 兩組獨立樣本 Mood's 中位數檢定 (Two-Sample Mood's Median Test) 2.3. 兩組成對樣本 ( 兩組成對樣本相比 ) 成對樣本 t 檢定 (Pai
閱讀完整內容

如何檢查資料是否接近常態分布 (Normality Test using R)

圖片
套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 1. 使用時機 : 包括相關性，回歸， t 檢定和變異數分析 (ANOVA) 在內的許多統計檢定都假定數據具有某些特徵，例如需要數據為常態分佈或接近常態分佈。這些檢定稱為母數分析 (parametric tests) ，因為它們的有效性取決於數據的分佈。在使用母數分析之前，我們應該執行一些初步測試以確保資料符合檢定的假設前提。如果資料違反假設前提，建議使用無母數分析 (non-parametric tests) 。 2. 分析類型 : 母數分析 (parametric analysis) 。 3. 資料範例 : 咪路調查淡水河口彈塗魚的體長 (cm) ，資料如下 :    14.3, 15.8, 14.6, 16.1, 12.9, 15.1, 17.3, 14.0, 14.5, 13.9, 16.2, 14.3, 14.6, 13.3, 15.5, 11.8, 14.8, 13.5, 16.3, 15.4, 15.5, 13.9, 10.7, 14.8, 12.9, 15.4 4. 畫圖看資料分布 :    第一步 : 用小 c 將資料放入名稱為 Len 的 vector (R 最基本資料結構 ) 。用 rep 函數產生與資料相同數目的 (26 個 ) 大寫 F 放入名稱為 Fish 的 vector ，再組合成名稱為 dat 的 data frame 。      Len <- c(14.3, 15.8, 14.6, 16.1, 12.9, 15.1, 17.3, 14.0, 14.5, 13.9, 16.2, 14.3, 14.6, 13.3, 15.5, 11.8, 14.8, 13.5, 16.3, 15.4, 15.5, 13.9, 10.7, 14.8, 12.9, 15.4)      Fish <- rep("F", 26) dat <- data.frame(Len, Fish)    第二步 : 安裝 ggplot2 程式套件。    第三步 : 呼叫 ggplot2 程式套件備用。     library(ggplot2)    第四步
閱讀完整內容